公安部消防局公布,2010年全国发生火灾13万起(不包括港澳台地区,不包括森林火灾等),直接财产损失17.7亿,死亡1 108人; 2011年,全国共接报火灾12.5万起,直接财产损失18.8亿元,死亡1 106人; 2012年,全国共接报火灾15万起,直接财产损失21.8亿元,死亡1 028人。由此数据可见火灾形势非常严峻[1-3]。这些火灾事故中建筑火灾,尤其是高层建筑的火灾已成为城市中严重的公共灾害之一, 例如,2004年2月15日,吉林省吉林市中百商厦发生火灾,造成54人死亡; 2007年12月12日,浙江温州温富大厦发生火灾,21人死亡; 2010年11月15日,上海静安高层住宅火灾,58人死亡。高层建筑一旦发生火灾,人员疏散非常困难。这是因为高层建筑火灾相对于一般建筑的火灾有其自身的特殊性[4-6]。1)火灾蔓延途径多、速度快:高层建筑内楼梯间、电梯井、管道井、风道、电缆井等竖向井道多,易形成烟囱效应,所以建筑物越高,风速越大,火灾扩散速度越迅猛。2)逃生途径少,疏散困难:首先由于层数多,垂直距离长,人员到达地面所需时间长; 其次楼内人员较集中,影响消防员登梯的速度和人员疏散的时间; 高层综合建筑层数多,楼层布局复杂,空间多变,在紧急状况下不利于人们快速寻路与疏散。
火灾发展过程一般可分为起火、火灾初期,旺盛期和衰减期。伴随着火灾发展过程,对人员逃生起关键作用的时刻是人员觉察火灾之后及达到危险状况之前。这段时间是人员能够逃离火灾现场的最佳时段,所以这期间人员的行为反应非常关键[7]。但研究[8-9]认为,当人员感知到火灾信息后,作出的行为反应并不是立刻逃生,而是:查证火灾信息; 针对火灾信息作出响应即评估、判断、决策等[10-12]。以上过程中,信息查证和评估、判断以及决策合在一起被称为逃生行为前期(pre-movement time)。
逃生所需的时间主要由逃生行为前期时间和逃生过程所需时间组成。当逃生所需要的时间小于火灾现场安全逃生的可行时间时,才能实现逃生。在实际的火灾发生现场,安全逃生的可行时间有限,研究表明,第一次发出火警信号,仅仅只有29%的人做出逃生行为的反应,大部分人员处在犹豫、验证火灾信息等状态之中[13-15],这个前期时间持续5~25 min不等[13, 16],可见逃生行为前期时间占安全逃生可行时间的比重相当高。因此,对于火灾现场有限的逃生可行时间来说,减少逃生行为前期时间,就是相对为后面的逃生行为提供了更长的可行时间。另一方面逃生前期人员行为反应对后面逃生过程的实施效率与效果起到决定性作用,即能否快速而成功地逃生。因此,本文的目的是探索逃生行为前期的行为特点、决策倾向,为对研究逃生行为的影响因素、减少逃生前期时间、以及为进一步研究高层建筑内人员的安全疏散提供理论和实验基础。
本研究旨在研究高层住宅建筑火灾逃生前期人群的行为与决策的规律和特点,通过虚拟场景,收集并分析高层建筑火灾情景中逃生前期人群的行为和决策的规律,为高层住宅建筑火灾中人员行为矫正、人员的智能疏散提供理论与实践的支持,对最终解决高层建筑火灾难题具有重要意义。
1 实验设计为了调研高层住宅建筑火灾逃生行为前期的行为数据,本研究首先设计了虚拟交互式住宅内部场景,参试者在此场景中进行虚拟活动,在此基础上获取参试者的行为数据并进行相应的问卷调研。
1.1 实验平台—虚拟交互场景由于人员行为反应具有模糊性、随机性和不确定性等特点,因此,本研究为了让获取的行为数据能够反映真实状态,构建了虚拟交互式住宅内部场景,目的是为了让被试人员能够沉浸在应急场景状态下,从而能够让其行为特点更接近真实。虚拟住宅建筑是一套两居室,包括厨房、卫生间、卧室、客厅等,室内装修布置按照典型居室设计。
高层建筑发生火灾后,研究发现建筑内的人员会有各种与逃生相关的行为[17-18]:选择逃生路径、救火、跟随大多数人等。由于前期是进行逃生行为发生前的决策阶段,并根据火灾中及后期的逃生行为,本研究提出在前期人员可能会有以下一些行为:报警、查询决策行为需要的信息、收集私人物品包括财物、搜救亲朋好友、救火等。在此基础上,在虚拟场景中建立可交互的道具,以便与逃生前期的可能行为建立对应关系(见图 1)。另外,要想在虚拟场景中提取出人们在真实火灾场景中的行为,还需要考虑到以下2个方面:1)在未发生火灾前,人们是处于正常生活行为状态,只有这样,一旦出现火情,才会出现从正常行为状态至逃生行为状态之间的逃生前期行为状态; 2)除了理性决策,人们在紧急状态下还会受到情绪的影响,因此虚拟场景中还要考虑激发出参与者当下的焦虑与紧张的情绪与心理,由此获得的行为才真实可靠。为此,本文通过设计室内场景、火灾发展过程中的用户任务及时间要求来满足上述两方面的要求。
|
图 1 逃生前期的逃生行为与可交换的道具 Fig. 1 Probable behaviors in the pre-movement and interactive props |
问卷调研的目的是探索人的火灾经验和对风险的态度是否影响了其前期行为或逃生决策。在进行正式实验之前,以问卷的方式对被试的个人基本信息、火灾相关经历信息以及风险感知进行了调研。其中个人信息包括:年龄、性别、家庭居住环境等,火灾相关经历信息包括:是否经历过真实火灾、火灾演习等,风险接受度评测问卷主要测试被试在日常生活中对风险所持有的态度。日常生活中的风险行为对某些特定领域的风险行为具有一定的影响[19-20],参考已有的文献[21],本问卷主要涉及驾驶、健康、娱乐、社会生活、饮食等五个维度。风险接受度问卷使用7级里克特(Likert)量表,1表示非常不可能,7表示非常可能,其它可能性介于这两者之间,其中4表示中立。完成整个问卷需要5~10 min。最终共收集到160份问卷。
1.3 实验过程被试在开始正式任务之前,先熟悉建筑室内场景,以便让其熟悉居住环境和可以点击交互的物品。正式游戏开始时有一个场景引导,目的是让用户尽快进入居家环境的之中。该场景是:参试者的家位于一栋超过20层的高层建筑内,他(她)的家位于5层(或者10层或者15层或者20层,均衡随机设置),参试者正在自己家中客厅的电视机前观看一场精彩的比赛,这时隐约闻到了楼道里传来的烟味,像是谁家在烧烤,又像谁家着火了(这些文字提示,显示在虚拟场景界面上),请被试根据这种情况确定下一步该做什么。在正式任务过程中,被试会被告知,这可能是真火警,也可能是假火警,如果发生火灾而被试没有进行逃生,表示游戏失败,但是如果不是火灾而进行逃生,也表示失败。被试只有在顺利完成游戏的情况下,才可以参加抽奖,由此来激发被试类似于实际场景中存在的情绪与心理。
在被试完成任务的过程中,记录了其在居室内决定逃生之前的行为类型和数量和完成任务的时间。从2014年10月上旬开始实施实验与问卷调研,为期一个多月完成。
2 结果与分析 2.1 参试者信息本次实验一共有160名参试者,男性占62.5%。年龄从18~71岁均有,其中18~25岁占61.9%,26~35岁占28.8%,36岁及以上占9.3%。160名参试者中,56.9%目前居住在4层楼以上。大部分参试者目前房子的居住年限1年以上,其中1~3年的占38.1%,5年以上的占28.8%。40%的参试者没有参与过火灾演习,97.5%没有经历过火灾。
对于风险接受度问卷,参试者对健康维度所持有风险态度的均值为2.9,对社会关系维度所持有风险态度的均值为3.6,对驾驶维度所持有风险态度的均值为2.9,对娱乐维度所持有风险态度的均值为3.6,对饮食维度所持有风险态度的均值为2.7,总体均值为3.2。该结果表明,人们在日常生活中对风险所持有的态度相对比较保守。
2.2 前期逃生行为 2.2.1 行为类型参与实验的160名参试者中,居住在虚拟居室5层、10层、15层、20层的各为40位,每种楼层参试者的行为类型和数量见表 1。
| 表 1 逃生前期行为数量统计 Tab. 1 The number of behaviors during pre-movement |
| 表 2 逃生前期行为总时间统计 Tab. 2 The time of total behaviors during pre-movement |
通过表 1可以发现对于行为类型,选择逃生的参试者最多,达到94.4%,尤其是10层以上的参试者在95%以上; 其次是寻找并携带老人和孩子准备逃生,达到83.1%;64.4%的参试者打电话求证信息和求助; 接下来有59.4%的参试者使用毛巾来保护自己,在这个数据中,20层以上的参试者的比例很低,只有15.0%;查看逃生路线图的参试者比例为38.8%,尤其是20层以上的参试者,比例明显高于其他层; 收拾贵重财物的参试者达到41.3%,以10层的参试者的比例最高,达到62.5%;使用绳索自行逃生和采用电脑查询解决办法的比例较低,分别为18.8%和10.0%。平均每名参试者的行为数量为4.3个,其中5层和10层的参试者的平均行为数量为4.4个和4.7个,15层与20层的参试者的平均行为数量为3.0个和4.0个。该结果也表明,在行为数量上与早期的研究分析比较一致[13-15],即第一次发出火警信号,较少的人立即做出逃生行为的反应; 该结果同时也显示了不同楼层之间人员的行为数量存在着差异,高层住户的行为数量相对较少。
2.2.2 前期行为总时间从发出火警开始到参试者决定逃出居所为止为逃生前期的行为总时间。由于这是虚拟环境,所以实施行为时间相对较短,参试者平均逃生时间117.7 s,从具体的时间值来看,10层和5层的前期行为时间要长,分别为148.0 s和161.7 s,而15层和20层参试者在前期的行为时间要短,分别为66.6 s和94.5 s。
为了检验居住在不同楼层和不同的风险接受度是否对行为总时间产生显著性地不同影响,采用方差分析模型对数据进行分析,结果如表 3所示。对于楼层所带来的影响,该结果显示居住在不同楼层的参试者之间的行为总时间存在显著性的差异(P=0.000),居住在5层和10层的参试者的行为总时间明显多于居住在高层的15层和20层的参试者的行为总时间。即,居住在10层及以下的住户在实施逃生之前消耗的时间明显多于居住在更高层的住户。对于风险接受度所带来的影响,表 3结果表明其对行为总时间也产生了显著性地影响(P=0.007),风险接受度较高的参试者的行为总时间越多。
| 表 3 不同楼层、风险接受度对行为总时间的差异性检验 Tab. 3 Difference test of impact from different floors and risk acceptance on the time of total behaviors during pre-movement |
本文目的是研究高层住宅建筑火灾逃生前期人群的行为与决策的规律和特点,通过虚拟交互式住宅内部场景,参试者在此场景中进行虚拟活动,在此基础上获取参试者在逃生前期中的行为数据。数据分析结果表明:发出火警信号后,较少的人立即做出逃生行为的反应; 不同楼层之间人员的行为数量存在着差异,高层住户的行为数量相对较少,同时高层住户的逃生前期的行为总时间要短; 并且,居住楼层和风险接受度这两个因素对逃生前期的行为总时间产生了显著性地影响。
| [1] |
公安部消防局. 中国消防年鉴[M]. 北京: 国际文化出版公司, 2010.
|
| [2] |
公安部消防局. 中国消防年鉴[M]. 北京: 国际文化出版公司, 2011.
|
| [3] |
公安部消防局. 中国消防年鉴[M]. 北京: 国际文化出版公司, 2012.
|
| [4] |
黄玲. 高层建筑消防安全问题解析[J].
华北科技学院学报, 2005(4): 46-48.
HUANG Lin. Analysis of fire safety of high building[J]. Journal of North China Institute of Science and Technology, 2005(4): 46-48. |
| [5] |
刘春玲, 张哲, 张振英. 高层建筑火灾特点及防火设计要求[J].
铁道建筑, 2004(12): 66-68.
LIU Chunling, ZHANG Zhe, ZHANG Zhenying. Characteristics of high-rise building fire and design requirements for fire safety[J]. Railway Engineering, 2004(12): 66-68. DOI: 10.3969/j.issn.1003-1995.2004.12.029. |
| [6] |
殷霓. 高层练合商业建筑火灾安全疏散研究[D]. 西安建筑科技大学硕士学位论文, 2008.
YIN Ni. Study on performance-based fire protection design of wholesale market[D]. Xi'an: Xi'an University of Architecture and Technology, 2008. |
| [7] |
张树平. 建筑火灾中人的行为反应研究[D]. 西安: 西安建筑科技大学, 2004.
ZHANG Shupin. Study on human behavior in building fire[D]. Xi'an: Xi'an University of Architecture and Technology, 2004. |
| [8] |
SIME J D. Design Against Fire: An introduction to sire safety engineering design[J].
Stollard P, Johnston L (eds), E&F. N. Spon, London, 1994: 56-87.
|
| [9] |
肖国清, 陈宝智, 石社文. 建筑物火灾疏散中人的失误研究[J].
中国安全科学学报, 2003, 13(9): 44-48.
XIAO Guoqing, CHEN Baozhi, SHI Shewen. Study on human error in building fire evacuation[J]. China Safety Science Journal, 2003, 13(9): 44-48. |
| [10] |
BRYAN J. SFPE Handbook of Fire protection Engineering[J].
DiNenno P. (ed.) NFPA: Quiney, MA, 1995: 215-221.
|
| [11] |
PURSER D A, BENSILUM M. Quantification of Behavior for Engineering Design Standards and Escape Time Calculations[J].
Safety Science, 2001, 38: 157-182.
DOI: 10.1016/S0925-7535(00)00066-7. |
| [12] |
O'CONNOR D J. Integrating human behavior factors into design[C]. In: Fire Protection Engineering, 2005: 8-20.
|
| [13] |
PROULX G, REID I. Occupant behavior and evacuation during the Chicago cook county administration building fire[J].
Journal of Fire Protection Engineering, 2006, 16(4): 283-309.
DOI: 10.1177/1042391506065951. |
| [14] |
FAHY R F, PROULX G. Toward creating a database on delay times to start evacuation and walking speeds for use in evacuation modeling[C]. In: 2nd International Symposium on Human Behavior in Fire, Boston, MA, U S A, 2001: 175-183,
|
| [15] |
SANDBERG A. Unannounced evacuation of large retail-stores[D]. An Evaluation of Human Behavior and the Computer model Simulex, Lund University, Lund, 1997.
|
| [16] |
FAHY R F, PROULX G. Human behavior in the world trade center evacuation[C]. Proceeding of the Fifth International Symposium on Fire Safety Science, 1997: 713-24.
|
| [17] |
KOBES K, POST J, HELSLOOT I, et al. Fire risk of high-rise buildings based on human behavior in fires[C]. In: Conference Proceedings FSHB 2008. First international conference on fire safety of high-rise buildings. Bucharest, Romania, 2008.
|
| [18] |
PROULX G. . Occupant behavior and evacuation[C]. Proceedings of the 9th International Fire Protection Symposium, Munich, German, 2001.
|
| [19] |
BINA M, GRAZIANO F, BONINO S. Risky driving and lifestyles in adolescence[J].
Accident Analysis & Prevention, 2006, 38: 472-481.
|
| [20] |
WEBER E U, BLAIS A-r, BETZ N E. A domain-specific risk-attitude scale: measuring risk perceptions and risk behaviors[J].
Journal of Behavioral Decision Making, 2002, 15: 263-290.
DOI: 10.1002/(ISSN)1099-0771. |
| [21] |
王培. 信息和沟通对不安全驾驶行为的影响研究[D]. 北京: 清华大学, 2011.
WANG Pei. Effect of driver information sharing and communication on unsafe driving behaviors[D]. Beijing: Tsinghua University, 2011. |
2016, Vol. 19